特殊解释变量课件.ppt

（第8讲） 第8章 模型中的特殊解释变量 8.1 随机解释变量（一般性了解） 8.2 工具变量 8.3 滞后变量（一般性了解） 8.4 虚拟变量（重点）（其中分段线性回归不讲） 8.5 时间变量 File:li-8-1 File:li-8-3 File:li-8-4 File:li-8-5 8.1随机解释变量 （第3版教材第174页） （第3版第177页） 8.2 工具变量法 例8.1 用最终消费C1对国内生产总值Y回归。假定Y与误差项u相关，但资本总额K与误差项u不相关，用K作Y的工具变量。 工具变量法的EViews操作：打开模型估计对话窗，选TSLS估计法。在方程设定区填入 C1 C Y 在工具变量列写区填入 C K, 点击确定键。 8.2 工具变量法 （第3版第178页） 8.3 滞后变量（一般性了解） （第3版第187页） （第3版第188页） 8.4 虚拟变量 8.4 虚拟变量 （第3版第188页） （第3版第189页） 8.4 虚拟变量 1. 用虚拟变量测量截距变动 设有模型，yt = ?0 + ?1 xt + ?2D + ut , 其中yt，xt为定量变量；D为定性变量。 当D = 0 或1时，上述模型可表达为， D = 1或0表示某种特征的有无。反映在数学上是截距不同的两个函数。若?2显著不为零，说明截距不同；若?2为零，说明这种分类无显著性差异。 D = 1 D = 0 ?0 ?0+?2 例8.3 随机调查美国旧金山地区20个家庭的储蓄情况，拟建立年储蓄额Yi (千美元) 对年收入Xi (千美元) 的回归模型。通过对样本点的分析发现，居于上部的6个点（用小圆圈表示）都是代表自己有房子的家庭；居于下部的14个点（用小三角表示）都是租房住的家庭。而这两类家庭所对应的观测点各自都表现出明显的线性关系。于是给模型加入一个定性变量“住房状况”，用D表示。定义如下： 8.4 虚拟变量 （第3版教材第189页） 例8.3 建立回归模型 Yi = ?0 + ?1 Xi + ?2 Di + ut 得估计结果如下， = - 0.3204 + 0.0675 Xt + 0.8273 D i (-5.2) (16.9) (11.0) R2 = 0.99, DW = 2.27 由于回归系数0.8273显著地不为零，说明对住房状况不同的两类家庭来说，回归函数截距项确实明显不同。 当模型不引入虚拟变量“住房状况”时，得回归方程如下， = - 0.5667 + 0.0963 Xi (-3.5) (11.6) R2 = 0.88, DW = 1.85 比较回归方程，前者的确定系数为0.99，后者的确定系数仅为0.88。说明该回归模型中引入虚拟变量非常必要。 8.4 虚拟变量 （第3版第190页） 8.4 虚拟变量 （第3版教材第191页） （第3版第192页） 以时间 t 为解释变量（1982年1季度取t = 1）的煤销售量（Yi）模型估计结果如下： = 2431.20 + 49.00 t + 1388.09 D1 + 201.84 D2 + 85.00 D3 (26.04) (10.81) (13.43) (1.96) (0.83) R2 = 0.95, DW = 1.2, F=100.4, T=28, t0.05 (28-5) = 2.07 由于D2，D3的系数没有显著性，说明第二、三季度可以归并入基础类别第一季度。于是只考虑加入一个虚拟变量D1，把季节因素分为第四季度和第一、二、三季度两类。从上式中剔除虚拟变量D2，D3，得煤销售量（Yi）模型如下： = 2515.86 + 49.73 t + 1290.91 D1 (32.03 (10.63) (14.79) R2 = 0.94, DW = 1.4, F = 184.9, T=28, t0.05 (25) = 2.06 这里第一、二、三季度为基础类别。 8.4 虚拟变量 例8.4 （第3版第192页） 2. 测量斜率变动 以上介绍了用虚拟变量测量回归函数的截距变化。实际上，也可以用虚拟变量考察回归函数的斜率是否发生变化。方法是在模型中加入定量变量与虚拟变量的乘积项。设模型如下， Yi = ?0 +